UMA ANÁLISE DO PRÊMIO SALARIAL URBANO NA REGIÃO SUL DO BRASIL, 2016.

Transcrição

1 UMA ANÁLISE DO PRÊMIO SALARIAL URBANO NA REGIÃO SUL DO BRASIL, Cristian Rafael Pelizza; PPGE/UFRGS; Sabino da Silva Pôrto Junior; PPGE/UFRGS; Resumo: O presente trabalho busca analisar o impacto das economias urbanas sobre os salários individuais para os municípios da região Sul do Brasil em Três abordagens foram utilizadas com diferentes propostas: i) estimar a elasticidade dos salários locais em relação à densidade populacional. Para tanto, utilizou-se controles individuais, de características locais e de características da indústria local. Além disso, para evitar problemas associados a causalidade reversa e sorting utilizou-se variáveis instrumentais e controles ocupacionais; ii) observar possíveis diferenças nos impactos da densidade populacional ao longo da distribuição dos salários utilizado uma regressão quantílica; iii) observar se a elasticidade dos salários em relação à densidade populacional é constante, ou se os retornos podem ser decrescentes através de uma regressão não-paramétrica. Os resultados indicam uma elasticidade positiva e significativa dos salários em relação à densidade populacional, com a elasticidade sendo maior para os valores no topo da distribuição salarial. O resultado da regressão não-paramétrica indica a possibilidade de retornos decrescentes dos salários em relação às economias urbanas. Palavras chave: economias urbanas; prêmio salarial urbano. Abstract: The present study seeks to analyze the impact of urban economies on individual wages for the municipalities of the South region of Brazil in Three approaches were used with different proposals: i) estimating the elasticity of local wages in relation to population density. For this purpose, individual controls, local characteristics and characteristics of the local industry were used. In addition, to avoid problems associated with reverse causality and sorting we used instrumental variables and occupational controls; ii) to observe possible differences in the impacts of the population density along the wage distribution used a quantile regression; iii) to observe whether the elasticity of wages in relation to population density is constant, or whether returns can be decreasing through non-parametric regression. The results indicate a positive and significant elasticity of wages in relation to the population density, with the elasticity being higher for the values at the top of the wage distribution. The result of the non-parametric regression indicates the possibility of decreasing returns of wages in relation to urban economies. Key words: urban economies; urban wage premium. Área Temática: Área 3 Economia Regional e Urbana. Classificação JEL: R12, J31.

2 1 INTRODUÇÃO O efeito das aglomerações sobre os ganhos salariais médios entre diferentes cidades é extensamente documentado na literatura, tanto empírica quanto teórica. Do ponto de vista teórico, podese citar os efeitos das externalidades no ambiente urbano, como em Duranton e Puga (2004) ou as economias de escala sob competição imperfeita, como em Krugman (1991), como fontes das diferenças nos salários e outras rendas locais. Empiricamente Ciccone e Hall (1996), Glaeser e Maré (2001), Combes, Duranton e Gobillon (2008), de la Roca e Puga (2017) e Baum-Snow e Pavan (2012), ainda que com metodologias diferentes, encontraram uma relação positiva entre aglomerações e salários locais. Essa relação é válida ainda que controlada para características individuais que resultam em processos complementares a aglomeração. Combes, Duranton e Gobillon (2008), apresentam três aspectos que influenciam nas diferenças salariais entre diferentes áreas. A primeira é a composição da mão de obra local, ou seja, como as características e habilidades observáveis e não observáveis estão distribuídas espacialmente irá influenciar nos salários médios para diferentes localidades. O segundo aspecto, está associado as dotações não humanas locais. Fatores geográficos ou climáticos, por exemplo, podem afetar a produtividade marginal dos indivíduos, levando a diferenciais salariais. O terceiro fator, a interação entre indivíduos e firmas no ambiente urbano, é o centro dos modelos teóricos como de Duranton e Puga (2004). Nesse caso, maiores aglomerações resultam em processos tais como maior quantidade e qualidade de matching entre trabalhadores e firmas, maior intensidade na difusão de conhecimento além do uso compartilhado de bens indivisíveis e instalações, que irão gerar ganhos produtivos para os trabalhadores. Como definido por Combes, Duranton e Gobillon (2008), o terceiro aspecto pode estar associado tanto à ganhos do mercado em geral (economias de urbanização), quanto à ganhos de concentração geográfica das indústrias (economias de localização). O objetivo do presente trabalho é investigar a existência do prêmio salarial urbano oriundo das economias de urbanização nos municípios da região Sul do Brasil a partir de três abordagens. Utilizando dados para o ano de 2016 numa amostra com dados individuais para 144,408 observações, a primeira abordagem busca estimar a elasticidade dos salários locais em relação à densidade populacional. Para tanto, utilizou-se controles individuais, de características locais e de características da indústria local. Dois fatores relacionados à estimação merecem atenção: primeiro, os salários e a densidade populacional podem apresentar causalidade reversa, o que geraria viés nos parâmetros estimados. Nesse caso, seguindo Ciccone e Hall (1996) e Combes et al (2010), optou-se por uma estimação com variáveis instrumentais, sendo elas as densidades populacionais defasadas para os anos de 1950 e O segundo fator está associado à diferente distribuição espacial das habilidades dos indivíduos, com indivíduos mais habilidosos se concentrando de maneira mais expressiva nos grandes centros urbanos, processo conhecido como sorting. Seguindo a literatura proposta por Bacolod, Blum e Strange (2009) utilizou-se como controle as ocupações individuais como indicador da habilidade. Nesse caso, utilizou-se de 2,571 dummies ocupacionais. A segunda abordagem refere-se a possíveis diferenças nos impactos da densidade populacional ao longo da distribuição dos salários, por exemplo, se a elasticidade dos salários em relação à densidade populacional difere para indivíduos no topo da distribuição salarial (com maiores salários) dos indivíduos nas partes mais baixas da distribuição (com menores salários). Para tanto, utilizou-se uma regressão quantílica. A terceira abordagem se propõem a observar se a elasticidade dos salários em relação à densidade populacional é constante, ou se os retornos podem ser decrescentes. Nos modelos lineares, ao assumir uma função produção do tipo Cobb-Douglas, a elasticidade dos salários resultantes na estimação é constante. Como destacam Combes e Gobillon (2015), não existe uma razão teórica para que o logaritmo dos salários possua relação linear com o logaritmo da densidade populacional. No presente trabalho utilizou-se de uma regressão não paramétrica onde não se impôs uma forma funcional específica para a equação estimada, podendo a elasticidade variar para diferentes densidades populacionais.

3 Os resultados indicam: i) a elasticidade dos salários em relação à densidade populacional, utilizando regressões lineares e variáveis instrumentais, apresentaram resultado positivo e significativo, entre e dependendo dos controles e do método de estimação. Esses resultados indicam que a elasticidade apresentada na Figura 1, sem controles e sem observar aspectos que geram endogeneidade no modelo, superestima os ganhos salariais urbanos; ii) ao utilizar a regressão quantílica observou-se uma elasticidade maior para as faixas salariais maiores em relação as menores. Para o quantil associado a uma probabilidade de 0.95, a elasticidade encontrada foi de , enquanto que para uma probabilidade de 0.05 foi de ; iii) a regressão não paramétrica indica que os salários apresentam retornos positivos, mas decrescentes em relação à densidade populacional, ou seja, as elasticidades decaem ao longo da curva salarial. O trabalho está estruturado da seguinte forma, a seção 2 apresenta uma revisão da literatura empírica sobre os impactos das economias urbanas. A seção 3 apresenta os modelos a serem estimados e as variáveis utilizadas. A seção 4 apresenta os resultados das estimações, enquanto que a seção 5 conclui o trabalho. 2 REVISÃO DA LITERATURA: ASPECTOS EMPÍRICOS DAS ECONOMIAS URBANAS Ciccone e Hall (1996) analisaram como as externalidades e rendimentos crescentes se relacionam com a produtividade local do trabalho. Para tanto, com dados de 1988, desenvolveram dois modelos, baseados nas externalidades e na diversidade de serviços intermediários, onde a produtividade nos estados americanos depende da densidade populacional dos municípios (counties), com um índice de insumos para os estados ajustado às densidades municipais. Retornos crescentes locais, observados pela densidade ao nível municipal, ajudam a explicara a diferença de produtividade a nível de estado. Dobrando a densidade populacional nos municípios aumenta-se em torno de 6% a produtividade média do trabalho. Os autores utilizam variáveis instrumentais para possíveis problemas de endogeneidade (causalidade reversa ou variáveis não observadas) entre produtividade e densidade populacional. Glaeser e Maré (2001) observaram que as diferenças salariais entre residentes em áreas urbanas e não urbanas deve-se não apenas aos ganhos de produtividade, mas também a uma concentração maior de indivíduos com maior grau de habilidade, independente da escolaridade, nas áreas urbanas, processo conhecido como sorting e que pode ser motivado, entre outros motivos, pelos diferentes perfis dos empregos nas áreas urbanas e não urbanas. Ao desconsiderar as habilidades individuais na estimação dos retornos salariais urbanos os parâmetros estimados podem ser viesados (viés de habilidade omitida). Glaeser e Maré (2001) estimaram a diferença salarial entre áreas metropolitanas (com grande densidade populacional) e não metropolitanas, para três diferentes amostras, sendo duas delas com dados em painel, Panel Study of Income Dynamics (PSID) e National Longitudinal Survey of Youth (NLSY). Os resultados encontrados, com diferentes controles, para o PSID e o NLSY apresentaram prêmio salarial variando entre 24.5% a 28.2%. Ao utilizar uma estimação com efeitos fixos individuais Glaeser e Maré (2001) destacam que é possível controlar para as habilidades omitidas. Nesse caso, o prêmio salarial se reduz para 10.9% na amostra do NLSY e 4.5% na PSID, indicando que ao não considerar o processo de sorting na estimação tende-se a superestimar o efeito da produtividade urbana sobre os salários. Combes, Duranton e Gobillon (2008) destacam três fontes de desigualdade espacial nos salários. A primeira reflete diretamente a composição das habilidades (observáveis e não observáveis) da força de trabalho em regiões com diferentes níveis de aglomeração. A segunda fonte refere-se a ganhos na produtividade marginal dos trabalhadores gerados por dotações não humanas, como fatores geográficos, por exemplo. A última fonte está associada aos ganhos produtivos oriundos da interação entre firmas e trabalhadores, estimulada pelas aglomerações econômicas. Para observar os efeitos das aglomerações econômicas, foi utilizado um painel com dados individuais de trabalhadores de 341 áreas de emprego francesas. A primeira etapa da regressão estimou a relação entre os salários individuais e características individuais fixas e variantes no tempo, além de características da indústria. Foi acrescentada um efeito

4 fixo de área-ano, que, segundo os autores, apresenta o índice salarial local após controlar para as características dos trabalhadores e da indústria. Na segunda etapa da estimação utilizou-se o efeito fixo de área-ano, estimado na primeira etapa, como variável dependente, tendo como regressores variáveis capturando a relação entre as indústrias e dotações locais. Combes, Duranton e Gobillon (2008) encontraram uma elasticidade dos salários, controlados em relação às características individuais ou processo de sorting, de aproximadamente 3% em relação à densidade de trabalhadores nas regiões analisadas. Combes et al (2010) analisaram a relação entre a densidade e os salários em um painel para áreas de emprego na França entre 1976 e Dois problemas referentes à estimação, que poderiam gerar viés nos parâmetros, foram apontados pelos autores: causalidade reversa entre a densidade populacional e os salários e o processo de sorting. Para evitar o problema de causalidade reversa, Combes et al (2010) utilizaram uma série de varáveis históricas (como a densidade populacional em 1831 e 1881) e geológicas (como mineralogia e capacidade de água do solo). As variáveis históricas são justificadas na medida em que a densidade populacional passada possui impacto sobre a densidade populacional presente dados fatores de inércia como as estruturas físicas da cidade, que possuem durabilidade no tempo. Já mudanças na estrutura econômica, como a passagem de uma economia agrícola para industrial e depois serviços, faria com que não houvesse correlação entre os salários presentes e a densidade com grande defasagem. Como controle para o sorting, Combes et al (2010) utilizaram estratégia semelhante à de Combes, Duranton e Gobillon (2008), utilizando vários efeitos fixos locais e individuais. Como resultados, as elasticidades dos salários em relação às densidades variaram de 5.1% numa estimação sem utilizar variáveis instrumentais para 2.7% ao controlar para causalidade reversa e sorting. Os resultados indicam que os impactos da densidade sobre os salários podem ser superestimados ao não se considerar os dois problemas citados. Bacolod, Blum e Strange (2009) analisam a distribuição das habilidades entre as cidades e seu impacto sobre os prêmios salariais urbanos. Utilizando dados do censo e do National Longitudinal Survey of Youth (NLSY), associados a uma escala que atribui uma série de habilidades a diferentes ocupações, como habilidades cognitivas ou força física, por exemplo, concluem que as grandes cidades possuem maior concentração de habilidades, embora em um grau modesto. Em termos de ganhos salariais, ocupações com maiores habilidades cognitivas ou pessoais apresentam salários mais elevados em grandes cidades se comparado a cidades menores. Habilidades motoras e força física não apresentaram retorno salarial maior com as aglomerações. Assim sendo, uma das fontes para o sorting pode estar associada a uma maior concentração de ocupações associadas a habilidades melhores remuneradas em grandes centros. Resultado semelhante é encontrado por Florida et al (2011). Como destacam Combes e Gobillon (2015), os trabalhos como de Ciconne e Hall (1996), Glaeser e Maré (2001) e Combes, Duranton e Gobillon (2008) concentram-se nos efeitos estáticos das aglomerações sobre a produtividade ou salários. Avanços em relação a efeitos dinâmicos podem ser observados em Baum-Snow e Pavan (2011) e de La Roca e Puga (2017). Dividindo os municípios americanos em pequenos, médios e grandes, Baum-Snow e Pavan (2011) construíram uma série de decomposições sobre o prêmio salarial urbano incorporando efeitos das habilidades, fricções e qualidade nos processos de busca de empregos e matching, acumulação de capital humano e migração endógena. Como resultados, observaram que a diferença de intercepto entre localidades de diferentes tamanhos e a experiência acumulada foram os mecanismos que mais contribuíram para as diferenças no prêmio salarial urbano. Diferentemente de trabalhos anteriores, o processo de sorting apresentou pequena contribuição, bem como a qualidade do matching. De la Roca e Puga (2017), utilizando dados em painel para os municípios da Espanha, observam os efeitos da experiência adquirida em maiores aglomerações urbanas. Nesse caso, trabalhadores em grandes cidades não apresentam habilidades não observadas iniciais diferentes dos trabalhadores nas demais localidades, efeito medido pelos efeitos fixos individuais. A experiência adquirida posteriormente em diferentes mercados de trabalho terá seu valor atribuído dependendo de onde foi

5 adquirida e onde foi utilizada. Para De la Roca e Puga (2017), a experiencia adquirida em grandes cidades possui valor maior que nas demais localidades e se mantém mesmo quando os indivíduos migram para cidades menores. Os resultados indicam que o valor da experiência adquirida depende mais de onde foi adquirida do que de onde foi utilizada. Para o Brasil, Chauvin et al (2016) estimaram a elasticidade da renda em relação à densidade populacional em 0.026, usando dados agrupados em microrregiões. Barufi, Haddad e Nijkamp (2016) analisaram os efeitos estáticos da aglomeração sobre os salários individuais para três anos, 2004, 2008 e 2012, em cinco setores, manufaturas de baixa tecnologia, manufaturas de média tecnologia, manufaturas de alta tecnologia, serviços de baixo conhecimento e serviços de alto conhecimento. A elasticidade dos salários em relação à densidade populacional, estimada por vários métodos, incluindo painel de efeitos fixos, mostrou-se positiva e significativa para todos os setores, indo de a Neves, Chagas e Azzoni (2017) estimaram os retornos urbanos utilizando a população como variável que capta às aglomerações. Seguindo a linha de Bacolod, Blum e Strange (2009) e Maciente (2013), os autores definiram níveis de habilidades para diferentes ocupações, com intuito de controle para o sorting. Os resultados indicaram que os retornos urbanos não afetam igualmente diferentes habilidades, sendo que as habilidades sociais e cognitivas apresentaram impactos maiores. 3 ESTRATÉGIAS EMPÍRICAS E VARIÁVEIS UTILIZADAS A presente seção está dividida em duas partes: a primeira aborda os modelos utilizados para as estimações lineares, quantílica e não paramétrica. A segunda apresenta as variáveis utilizadas. 3.1 Estratégias Empíricas Seguindo a proposta de Combes e Gobillon (2015), para a estimação dos efeitos da densidade populacional sobre os salários, assume-se que Y é o produto de uma determinada firma no mercado c. Com a firma utilizando dois insumos, capital K e trabalho L, o lucro da firma pode ser expresso por: π = p Y w L r K (1) Onde p representa o preço do produto, ω o salário nominal e r o custo do capital no mercado c. O produto pode ser expresso através de uma função Cobb-Douglas: Y = A α (1 α) ( ) (s L ) K (2) Onde α é a elasticidade do produto em relação ao trabalho, A a produtividade total dos fatores e s a habilidade local dos trabalhadores. Sob competição perfeita, a condição de primeira ordem para maximização do lucro implica que o salário pode ser expresso como: w = p A (r ) s = B s (3) Neste caso, os salários dependem de um efeito de produtividade local B, bem como das habilidades locais dos trabalhadores s. Como citado por Combes, Duranton e Gobillon (2008), três efeitos ampliam a produtividade em aglomerações urbanas. O primeiro são as características individuais, observadas por s. Nesse caso, as habilidades e características dos trabalhadores, que podem afetar sua produtividade e nível salarial, não estão uniformemente dispersas no espaço.

6 Com relação aos outros dois aspectos, as dotações locais não humanas e as interações entre firmas e trabalhadores, elas são captadas pela variável B. Os ganhos de produtividade gerados pela relação entre firmas e trabalhadores podem ser avaliados a partir de dois conjuntos de fatores expressos na literatura: as externalidades marshaalianas e a relação entre custos de transporte e competição imperfeita, base da Nova Geografia Econômica. Com trabalhadores heterogêneos, pode-se expressar o trabalho eficiente na localidade c como s L = s l, onde l são as horas trabalhadas pelo indivíduo i e s a habilidade individual. Os salários totais locais também podem ser expressos como w L = w l, onde w expressa o salário individual. Assim sendo, a expressão (3) torna-se: w = B s (4) Ou seja, os salários individuais dependem de um efeito composto de produtividade local e das habilidades de cada indivíduo. Tomando o logaritmo da expressão tem-se: ln w = ln B + ln s (5) Assume-se que o efeito de produtividade local depende da aglomeração dens, medida pela densidade populacional, da composição setorial/industrial ind, das amenidades locais Ame, além de um efeito fixo b. ln B = α + α ln dens + α ln Ind + α ln Ame + b (6) Considerando as características individuais como a soma de habilidades ou características observáveis (s ) e um termo de erro estocástico (ε ), tem-se: ln w = α + α ln dens + α ln Ind + α ln Ame + γs + b + ε (7) Assim sendo, os salários individuais dependem da densidade populacional, que capta os efeitos da aglomeração sobre a produtividade, da composição do setor/indústria no mercado onde o trabalhador está situado, das amenidades locais e das características ou habilidades individuais. Pode-se estimar diretamente a equação encontrada por Mínimos Quadrados Ordinários, como exposto na seção 4.1, embora possam haver vieses ao não se considerar fatores como causalidade reversa entre salários e densidade, além de habilidades individuais não observáveis. Como descrito por Combes e Gobillon (2015), podem ocorrer problemas de endogeneidade tanto a nível local quanto a nível individual. Ciccone e Hall (1996) apontaram para a possível existência de endogeneidade a nível local na estimação, seja por causalidade reversa entre densidade e produtividade, seja por efeitos locais não observados que afetam tanto a densidade quanto a produtividade. Para contornar o problema, utilizaram uma estimação com variáveis instrumentais, sendo os instrumentos densidades populacionais com grande defasagem (anos de 1850 e 1880), malha ferroviária em 1860 e presença de litoral. Combes e Gobillon (2015) destacam que a utilização de variáveis instrumentais com grandes defasagens é válida na medida em que uma maior população ou densidade populacional geram um estoque maior de estruturas persistentes no tempo, como imóveis, escritórios ou fábricas, que geram inércia na própria população ou densidade. Por sua vez, transformações estruturais na atividade econômica (da agricultura para a manufatura e da manufatura para os serviços) fazem com que o instrumento possa ser considerado exógeno em relação a produtividade (ou salários). Para as estimações presentes na seção 4.1 foram utilizadas como densidades defasadas as de 1950 e 1960 e um modelo de Mínimos Quadrados em dois Estágios (MQ2E). Embora as defasagens utilizadas na densidade não sejam tão grandes como as utilizadas por Combes, Duranton e Gobillon (2008) e

7 Ciccone e Hall (1996), pode-se argumentar que as transformações estruturais na economia da região Sul do Brasil são mais recentes que as que ocorreram na França ou nos Estados Unidos, o que faria com que os instrumentos possam ser considerados exógenos. Outra questão econométrica pontuada por Combes e Gobillon (2015) é a existência de viés de habilidade não observável na estimação dos efeitos da aglomeração. O processo conhecido como sorting, em que indivíduos com maiores habilidades se concentram de maneira predominante em grandes cidades, poderia gerar viés na estimação dos parâmetros. Uma alternativa normalmente utilizada como controle para o sorting é a utilização de efeitos fixos em dados em painel, como proposto por Glaeser e Maré (2001). Outra proposta associa o sorting à concentração de atividades ou ocupações que demandam determinados tipos de habilidades ser maior em grandes centros. Dessa forma, seria possível controlar para as ocupações individuais como alternativa ao controle direto para as habilidades, como em Bacolod, Blum e Strange (2009) e Florida et al (2011). Como o presente trabalho utiliza-se de dados de corte transversal, o que impossibilita a utilização de efeitos fixos como em dados longitudinais, optou-se por controlar para às ocupações individuais como alternativa para as habilidades. Outro aspecto analisado para o prêmio salarial urbano é se seu impacto difere ao longo da distribuição salarial, ou seja, se o efeito da urbanização é mais pronunciado para os indivíduos com maiores salários em relação aos indivíduos com menor faixa salarial. Para observar esse aspecto utilizouse de uma regressão quantílica, que permite observar os quantis condicionais da variável dependente em relação aos regressores e não apenas a média condicional como na estimação linear. Como exposto por Koenker (2005) e Angrist e Pischke (2009), a estimação quantílica dos parâmetros pode ser descrita inicialmente pelos função dos quantis condicionais: Q (ln w X ) = F (τ X ) (8) Onde X representa os regressores utilizados. A função F (ln w X ) descreve a distribuição de probabilidade do logaritmo dos salários (ln w ) condicional aos regressores (X ). Com formato linear da equação de salários, os parâmetros estimados são encontrados através da seguinte minimização: β = arg min E[ρ (ln w X b)] (9) Onde ρ (ε) = 1(ε > 0)τε + 1(ε 0)(1 τ)ε é a função check que atribui pesos diferentes aos resíduos negativos e não negativos. A estimação foi feita utilizando a versão de Portnoy e Koenker (1997) do algoritmo de Frisch-Newton para os quantis de 0.05, 0.25, 0.5, 0.75 e Os erros padrão foram estimados utilizando bootstrap, com clusters para os municípios, como proposto por Hageman (2016). Para observar os retornos do prêmio urbano utilizou-se uma regressão não paramétrica, como exposto em Li e Racine (2007). Nesse caso, diferentemente da equação (7), em que se impôs um formato linear oriundo da função Cobb-Douglas definida para a função produção, o que resulta em retornos constantes para a densidade populacional, não se impôs forma funcional, de forma que: ln w = g(x ) + ε (10) Onde X representa os regressores e ε os resíduos. A função g( ) foi estimada utilizando métodos não paramétricos, com um estimador linear local. A função minimizada é definida por: min (Y a (X x) b)k X x h (11)

8 Onde a e b são os parâmetros que minimizam a função, K( ) a função kernel e h a bandwidth. Para as variáveis contínuas a função kernel utilizada foi a gaussiana de segunda ordem, enquanto que para as variáveis categóricas não ordenadas foi o método proposto por Aitchison e Aitken (1976) e para as variáveis categóricas ordenadas uma variação definida por Li e Racine (2007) do kernel proposto por Wang e van Ryzin (1981). Em notação matricial têm-se: min(y Xδ) K(x)(Y Xδ) (12) Com δ = (a, b). A minimização irá resultar em: δ (x) = g (x) β (x) = (X K(x)X) 1 X K(x)Y (13) Onde β (x) representa os gradientes da função. A estimação das bandwidths foi feita utilizando o método least squares cross-validation. Os resultados encontram-se na seção Variáveis utilizadas A amostra foi construída para os municípios da Região Sul do Brasil, compreendendo 1,032 os municípios dos estados do Paraná, Santa Catarina e Rio Grande do Sul no ano de As estimações utilizando variáveis históricas instrumentais possuíram menos municípios na amostra, já que muitos municípios ainda não haviam sido criados. Para a densidade populacional em 1960 utilizou-se dados de 414 municípios. Já na amostra com a densidade populacional em 1950 haviam 224 municípios. Para a construção da amostra foram selecionados todos os indivíduos com emprego formal (com vínculo ativo) em 31 de dezembro de 2016, presentes na Relação Anual de Informações Sociais (RAIS) do Ministério do Trabalho e Emprego (MTE). Para uma maior homogeneidade amostral, optou-se apenas por indivíduos com no mínimo 40 horas semanais de trabalho contratadas e com idade entre 20 e 50 anos. Além disso, como a variável dependente expressa a média anual dos salários foram selecionados apenas indivíduos com no mínimo 12 meses de emprego. As observações com raça ou cor não declarada também foram excluídas da amostra. O total de indivíduos com as características descritas resultou em 2,888,160 observações. Por questões computacionais optou-se por criar uma amostra aleatória com 5% dos indivíduos presentes na população descrita, resultando em 144,408 observações. Para as estimações quantílicas e não paramétricas, por questões computacionais, a amostra utilizada continha 0.5% do total dos resultados. Para as estimações utilizando variáveis instrumentais, filtrou-se a amostra original para aqueles municípios que existiam em 1960 e 1950, o que resultou, respectivamente, em amostras com 120,971 observações e 99,147 observações. Quanto às variáveis utilizadas, o salário expressa a média mensal recebida pelos indivíduos. A densidade populacional para cada município foi calculada como a população total dividida pela área municipal. Para as variáveis setoriais ou industriais (ind ) utilizou-se o tamanho média das empresas no município, a proporção de trabalhadores no setor industrial, a proporção de trabalhadores na administração pública, o índice de Hirschman-Herfindahl de concentração industrial, além de 25 dummies representando setores onde os indivíduos estavam empregados. Variáveis como o tamanho médio do estabelecimento onde o indivíduo trabalha e o índice de Hirschman-Herfindahl de concentração industrial podem capturar algumas externalidades associadas às aglomerações. Como exposto por Glaeser et al (1992), uma maior concentração industrial poderia gerar as externalidades de Marshall-Arrow-Romer (MAR) em que haveriam ganhos de produtividade na interação de firmas do mesmo setor.

9 As amenidades locais (Ame ) foram expressas utilizando como variáveis a pluviosidade e temperatura média anual municipal e dummies para existência de litoral e fronteira internacional. Além disso, utilizou-se uma dummy local para as mesorregiões e os estados em que os municípios se localizavam, com intuito de controle para o efeito fixo b. Como exposto por Ellison e Glaeser (1999) as vantagens naturais podem explicar significativamente a escolha locacional das indústrias e assim ser um fator determinante para os ganhos de aglomeração. Os dados para características setoriais ou industriais extraídos da base de dados agregada da RAIS, Relação Anual de Informações Sociais, do Ministério do Trabalho e Emprego. Os dados para a densidade populacional (população e área) e existência de fronteiras e litoral foram extraídas das bases do Instituto Brasileiro de Geografia e Estatística (IBGE). Os 25 setores utilizados foram definidos a partir da Classificação Brasileira de Ocupações (CBO) de 2002, do IBGE. Já a temperatura e pluviosidade representam as estimativas médias para os anos de 1961 a 1990, definidas por New et al (2002). As estatísticas descritivas das variáveis municipais encontram-se na Tabela 1. A densidade populacional média dos municípios do Sul do Brasil foi de 27.64, o que indica a existência predominante de municípios com pouca aglomeração. A localidade com menor densidade foi São José dos Ausentes no Rio Grande do Sul, com densidade populacional de 2.94 habitantes por quilômetro quadrado. Já a maior aglomeração da região Sul foi o município de Curitiba no Paraná, com 4, habitantes por quilômetro quadrado. Em termos de população, a maior cidade da região Sul também foi Curitiba, seguida de Porto Alegre e Joinville. Vale também destacar a predominância de municípios pequenos em termos populacionais, com média de 27,211 habitantes e sendo que apenas dois excedem a faixa de um milhão de habitantes. A menor população da amostra foi do município de André da Rocha no Rio Grande do Sul com 1,286 habitantes. O emprego e o número de estabelecimentos seguem padrão similar ao da população e densidade populacional, com médias baixas grande diferença entre máximos e mínimos. Tabela 1: Estatísticas descritivas dos Municípios da região Sul do Brasil em Variáveis Mínimo Máximo Média Desvio Padrão Índice de Hirschman-Herfindahl Tamanho Médio dos Estabelecimentos Empregos , , , Estabelecimentos , , Participação da Indústria de Transformação Participação da administração pública Densidade Populacional , Temperatura Pluviosidade Área , População 1, ,864, , , A Figura 1 apresenta a densidade populacional dos municípios da região Sul. Percebe-se que as regiões com maior aglomeração estão concentradas em torno das maiores cidades da região, sendo possível destacar a região metropolitana de Porto Alegre, de Curitiba e de Florianópolis, o Norte de Santa Catarina em torno da cidade de Joinville e o Norte do Paraná, próximo às cidades de Londrina e Maringá. Quanto às características individuais utilizadas, foram a idade, uma dummy para pessoas do sexo feminino, uma dummy para indivíduos com raça ou cor declarada branco, tempo de emprego e escolaridade, definida a partir de quatro variáveis dummy, para indivíduos com ensino fundamental completo ou incompleto, ensino médio completo ou incompleto, ensino superior completo ou incompleto e pós-graduação completa ou incompleta, com a base sendo os indivíduos analfabetos. Os dados forma extraídos da RAIS.

10 Dada a impossibilidade de estimar efeitos fixos utilizando dados de corte transversal, para controlar para as habilidades individuais utilizou-se a abordagem que segue a de Bacolod, Blum e Strange (2009), que associa o processo de sorting a distribuição espacial de diferentes ocupações que requerem diferentes habilidades. Assim sendo, utilizou-se 2,571 variáveis dummy associadas às ocupações descritas pela Classificação Brasileira de Ocupações (CBO) de 2002, do Instituto Brasileiro de Geografia e Estatística (IBGE). Dados os problemas associados a dimensionalidade, para a regressão não paramétrica as ocupações foram agrupadas em 10 categorias. Figura 1: Densidade populacional dos municípios da região Sul, As Tabelas 2 e 3 apresentam, respectivamente, as estatísticas descritivas para as variáveis individuais contínuas e as proporções associadas às variáveis categóricas. A média salarial dos indivíduos foi de R$ 2,454.40, indo de um mínimo de R$ a um máximo de R$ 91, O tempo de emprego apresentou média de meses, enquanto a idade média dos indivíduos da amostra foi de anos. Tabela 2: Estatísticas descritivas das variáveis continuas individuais da amostra. Variáveis Mínimo Máximo Média Desvio Padrão Salário , , , Idade Tempo de Emprego Com relação às variáveis categóricas, presentes na Tabela 3, 88.12% da amostra foi formada por indivíduos que se declararam brancos e 58.20% de indivíduos do sexo masculino. Quanto a escolaridade, os maiores percentuais foram respectivamente Ensino Médio (56.15%), Ensino Fundamental (22.65%), Ensino Superior (20.64%), Pós-Graduação (0.34%) e Analfabetos (0.21%). Na amostra, 36,63% dos indivíduos residiam no Rio Grande do Sul, 36.60% no Paraná e 26.77% em Santa Catarina.

11 Tabela 3: Estatísticas descritivas das variáveis categóricas individuais da amostra. Variáveis % Raça Brancos Não brancos Sexo Masculino Feminino Analfabeto 0.21 Fundamental Escolaridade Médio Superior Pós-Graduação 0.34 Santa Catarina Estado Paraná Rio Grande do Sul A distribuição da amostra entre os setores em que os indivíduos estão empregados pode ser vista na Tabela 4. Nesse caso, destaca-se o comércio varejista concentrando a maior parte dos empregos, seguido de Comércio e administração de imóveis, valores mobiliários, serviço Técnico e Indústria de produtos alimentícios, bebidas e álcool etílico. Tabela 4: Distribuição setorial dos empregos na região Sul do Brasil Setores % Extrativa mineral 3.01 Indústria de produtos minerais não metálicos 1.37 Indústria metalúrgica 2.79 Indústria mecânica 3.14 Indústria do material elétrico e de comunicações 1.24 Indústria do material de transporte 2.10 Indústria da madeira e do mobiliário 3.21 Indústria do papel, papelão, editorial e gráfica 1.48 Ind. da borracha, fumo, couros, peles, similares, ind. Diversas 1.27 Ind. química de produtos farmacêuticos, veterinários, perfumaria 2.73 Indústria têxtil do vestuário e artefatos de tecidos 4.18 Indústria de calçados 1.72 Indústria de produtos alimentícios, bebidas e álcool etílico 8.21 Serviços industriais de utilidade pública 1.25 Construção civil 2.98 Comércio varejista Comércio atacadista 4.89 Instituições de crédito, seguros e capitalização 2.04 Com. e administração de imóveis, valores mobiliários, serv. Técnico 9.89 Transportes e comunicações 6.74 Serv. de alojamento, alimentação, reparação, manutenção, redação 6.92 Serviços médicos, odontológicos e veterinários 3.56 Ensino 2.45 Administração pública direta e autárquica 1.48 Agricultura, silvicultura, criação de animais, extrativismo vegetal 0.77

12 4.1 Resultados das regressões lineares De maneira geral, para os municípios da região Sul do Brasil em 2016, é possível observar uma relação positiva entre os salários e a densidade populacional, utilizada como variável que capta as economias urbanas, como exposto pela Figura 2. A linha de regressão simples nesse caso apresenta elasticidade de dos salários em relação a densidade populacional. A Tabela 5 apresenta os resultados da estimação do modelo linear, por Mínimos Quadrados Ordinários (MQO) e Mínimos Quadrados em Dois Estágios (MQ2E). A estimação sem controles para as ocupações e mesorregiões resultou em uma elasticidade de dos salários em relação à densidade populacional. Ao controlar para as ocupações e mesorregiões o parâmetro resultante foi de Já para as estimações com variáveis instrumentais observou-se uma redução nos parâmetros, indo de na estimação com a densidade em 1960 como instrumento e sem os controles para ocupações e mesorregiões até na estimação com a densidade populacional em 1950 e as dummies de ocupação e mesorregião. O resultado indica que sem controlar para a causalidade reversa e o sorting os parâmetros podem ser superestimados. Figura 2: Distribuição do logaritmo dos salários em relação à densidade populacional na região Sul do Brasil, As estimações (3) e (5) repetem o modelo com MQO para as amostras que possuem apenas os municípios existentes em 1960 e Se comparadas à estimação original, percebe-se uma mudança sensível ao reduzir o número de municípios de 1,032 para 414, com a o impacto da densidade populacional se alterando de para Os controles individuais também não apresentaram uma mudança grande na magnitude dos coeficientes, embora os controles locais, como existência de fronteira internacional e litoral, apresentaram mudança um pouco mais acentuada. Já ao reduzir o número de municípios de 1,032 para os 224 existentes em 1950 as alterações foram maiores. A elasticidade dos salários em relação à densidade populacional reduziu-se de para Os controles para setor/indústria também apresentaram mudança de magnitude. Os resultados indicam que a escolha da área de abrangência do estudo pode alterar significativamente os resultados das estimações, em particular dos impactos das aglomerações.

13 Tabela 6: Resultados das regressões lineares. Variável dependente: Salário Médio Mensal em 2016 por indivíduo Intercepto Densidade Populacional Tamanho Médio dos Estabelecimentos Proporção da Indústria no Emprego Local Proporção da Administração Pública no Emprego Local Índice de Hirschman-Herfindahl Fronteira Litoral Temperatura Pluviosidade Tempo de Emprego Idade Mulher Branco Ensino Fundamental Ensino Médio Ensino Superior Pós-Graduação (1) MQO (2) MQO (3) MQO (4) MQ2E (5) MQ2E (7) MQ2E (8) MQ2E (6) MQO (densidade1960) (densidade1960) (densidade1950) (densidade 1950) *** *** *** *** *** *** *** *** (0.0313) (0.3391) (0.3439) (0.0393) (0.3441) (0.3488) (0.0484) (0.3490) *** *** *** *** *** *** *** * (0.0010) (0.0011) (0.0014) (0.0020) (0.0020) (0.0016) (0.0028) (0.0026) *** *** *** *** *** *** *** *** (0.0049) (0.0046) (0.0067) (0.0088) (0.0077) (0.0085) (0.0122) (0.0103) *** *** ** *** * (0.0131) (0.0114) (0.0190) (0.0213) (0.0191) (0.0288) (0.0308) (0.0292) *** *** *** *** *** ** ** (0.0099) (0.0091) (0.0114) (0.0127) (0.0114) (0.0142) (0.0163) (0.0143) *** *** *** *** *** * *** *** (0.0000) (0.0000) (0.0001) (0.0001) (0.0001) (0.0001) (0.0002) (0.0001) *** *** * *** *** (0.0064) (0.0068) (0.0082) (0.0074) (0.0082) (0.0148) (0.0084) (0.0149) *** *** ** ** * *** ** *** (0.0034) (0.0034) (0.0041) (0.0039) (0.0041) (0.0045) (0.0044) (0.0045) *** * *** *** *** (0.0014) (0.0017) (0.0032) (0.0023) (0.0033) (0.0038) (0.0028) (0.0041) *** *** *** (0.0010) (0.0012) (0.0015) (0.0013) (0.0015) (0.0028) (0.0020) (0.0028) *** *** *** *** *** *** *** *** (0.0015) (0.0013) (0.0014) (0.0016) (0.0014) (0.0016) (0.0018) (0.0016) *** *** *** *** *** *** *** *** (0.0045) (0.0040) (0.0044) (0.0050) (0.0044) (0.0050) (0.0057) (0.0050) *** *** *** *** *** *** *** *** (0.0020) (0.0023) (0.0025) (0.0025) (0.0025) (0.0028) (0.0028) (0.0028) *** *** *** *** *** *** *** *** (0.0033) (0.0028) (0.0031) (0.0036) (0.0031) (0.0035) (0.0041) (0.0035) *** * *** * * *** * (0.0232) (0.0199) (0.0231) (0.0270) (0.0231) (0.0274) (0.0321) (0.0274) *** *** *** *** *** *** *** *** (0.0232) (0.0199) (0.0231) (0.0270) (0.0231) (0.0274) (0.0321) (0.0274) *** *** *** *** *** *** *** *** (0.0233) (0.0201) (0.0233) (0.0271) (0.0233) (0.0276) (0.0322) (0.0276) *** *** *** *** *** *** *** *** (0.0294) (0.0267) (0.0298) (0.0329) (0.0298) (0.0343) (0.0381) (0.0343) dummies Setores Sim Sim Sim Sim Sim Sim Sim Sim dummies Estados Sim Sim Sim Sim Sim Sim Sim Sim dummies Mesorregiões Não Sim Sim Não Sim Sim Não Sim dummies Ocupações Não Sim Sim Não Sim Sim Não Sim Observações 144, , , , ,971 99,247 99,247 99,247 R 2 Ajustado

14 Os parâmetros da elasticidade dos salários em relação à densidade populacional apresentaram valor menor para o Sul do Brasil do que o de outros estudos para o Brasil como um todo. Ao aumentar em 100% a densidade populacional o aumento salarial encontrado nas estimações varia entre 0.44% a 1.98%. Para Chauvin et al (2016) o resultado foi de 2.60%, enquanto que em Barufi, Haddad e Nijkamp (2016) variou entre 5.11% e 9.40%, dependendo do setor estimado. Para a França, as estimações de Combes et al (2010) encontraram coeficientes variando entre 2.70% e 5.10%. Com relação aos controles para características locais, a existência de fronteiras internacionais apresentou elasticidade negativa, exceto nas estimações que utilizaram a densidade populacional em 1950 como instrumento. A existência de litoral no município onde os indivíduos trabalhavam apresentou elasticidade positiva e significativa em todas as estimações. A temperatura média resultou em parâmetros positivos e significativos nas estimações que utilizaram variáveis instrumentais e controles ocupacionais e das mesorregiões. Já a pluviosidade não apresentou significância estatística ao utilizar as dummies para ocupação e mesorregião. Com respeito às características individuais, o tempo de emprego, idade e os indivíduos que se declararam brancos apresentaram elasticidade positiva ao longo de todas as estimações, enquanto que a variável que define o sexo como feminino apresentou elasticidade negativa. As dummies de escolaridade, de maneira geral, apresentaram impacto positivo sobre os salários. Em todas as variáveis com características individuais a inserção dos controles ocupacionais resultou parâmetros com menor magnitude, o que indica uma superestimação desses efeitos ao não se considerar a ocupação dos indivíduos, com destaque para o efeito da escolaridade. 4.2 Resultados da regressão quantílica A Tabela 6 apresenta o resultado da estimação da regressão quantílica, com especificação similar a equação (2) apresentada na Tabela 5. O impacto da densidade populacional sobre os salários apresentou diferença ao se observar diferentes quantis salariais. A magnitude do coeficiente cresceu de no quantil de 0.05 para no quantil de 0.75, reduzindo novamente no quantil de O comportamento do parâmetro pode ser observado na Figura 3. É possível observar, de maneira geral, que o prêmio salarial urbano é mais sensível ao crescimento da densidade populacional para as faixas salariais maiores. Se comparada a estimação linear, que observa a média condicional dos salários em relação aos regressores, os efeitos da densidade populacional foram menores para o quantil de 0.05 e superiores para os demais quantis, com os quantis de 0.25 e 0.95 ficando dentro do intervalo de confiança de 95% para o parâmetro da estimação linear. Outras variáveis apresentaram comportamento similar. A idade, a experiência e a raça ou cor dos indivíduos apresentaram efeito positivo maior para os quantis superiores da distribuição dos salários. Um comportamento similar pode ser observado para as variáveis associadas à escolaridade, com uma particularidade que, para os quantis inferiores, a diferença salarial entre analfabetos e indivíduos com ensino fundamental e médio foi negativa ou não significativa. Já o sexo feminino em relação ao sexo masculino apresentou efeito negativo com valor absoluto crescente ao partir de quantis salariais inferiores para superiores. Os resultados podem ser observados na Figura 4.

15 Tabela 7: Resultados da regressão quantílica. Variável dependente: Salário Médio Mensal em 2016 por indivíduo Quantil (τ) Intercepto *** *** ( ) (0.0541) ( ) ( ) (0.0155) Densidade Populacional *** *** *** *** *** (0.0010) (0.0023) (0.0028) (0.0033) (0.0010) Tamanho Médio dos Estabelecimentos *** *** *** *** *** (0.0038) (0.0092) (0.0104) (0.0146) (0.0029) Proporção da Indústria no Emprego Local *** *** *** ** *** (0.0060) (0.0202) (0.0249) (0.0316) (0.0108) Proporção da Administração Pública no Emprego Local *** ** *** ** *** (0.0086) (0.0221) (0.0236) (0.0268) (0.0109) Índice de Hirschman-Herfindahl *** * (0.0000) (0.0001) (0.0001) (0.0002) (0.0000) Fronteira ** *** (0.0034) (0.0109) (0.0140) (0.0135) (0.0096) Litoral *** * *** * *** (0.0029) (0.0085) (0.0090) (0.0127) (0.0021) Temperatura * ** *** *** (0.0010) (0.0039) (0.0040) (0.0044) (0.0010) Pluviosidade *** *** *** *** *** (0.0010) (0.0028) (0.0025) (0.0022) (0.0005) Tempo de Emprego *** *** *** *** *** (0.0009) (0.0038) (0.0037) (0.0026) (0.0021) Idade *** *** *** *** *** (0.0034) (0.0065) (0.0088) (0.0121) (0.0045) Mulher *** *** *** *** *** (0.0017) (0.0043) (0.0056) (0.0065) (0.0021) Branco ** *** *** (0.0021) (0.0046) (0.0065) (0.0061) (0.0025) Ensino Fundamental *** ** *** (0.0123) (0.0212) (0.0194) (0.0310) (0.0086) Ensino Médio *** *** *** *** (0.0129) (0.0213) (0.0195) (0.0310) (0.0073) Ensino Superior *** *** *** *** *** (0.0137) (0.0233) (0.0204) (0.0363) (0.0077) Pós-Graduação *** *** *** *** *** ( ) (0.0862) (0.0901) (0.0622) (0.0384) dummies Setores Sim Sim Sim Sim Sim dummies Estados Sim Sim Sim Sim Sim dummies Mesorregiões Sim Sim Sim Sim Sim dummies Ocupações Sim Sim Sim Sim Sim Observações 14,440 14,440 14,440 14,440 14,440 Fonte: Elaborado pelos autores

16 Figura 3: Resultados da regressão quantílica para variáveis densidade populacional, tamanho médio dos estabelecimentos, participação da indústria no emprego e participação da administração pública no emprego. Controles como o tamanho médio dos estabelecimentos e o índice de Hischman-Herfindahl apresentaram pouca variação ao longo dos quantis. Para o tamanho médio dos estabelecimentos houve um aumento de a entre a menor e a maior elasticidade. Já o índice de Hirschman- Herfindahl apresentou significância apenas nos quantis de 0.05, 0.25, com alteração modesta em relação à regressão linear. Os impactos da participação da indústria e da administração pública sobre o emprego local apresentaram variação pequena entre os quantis de 0.05 a 0.75, com uma queda acentuada no quantil de 0.95, como é possível observar na Figura 3. Figura 4: Resultados da regressão quantílica para as variáveis Tempo de Emprego, Idade, Sexo Feminino, Raça ou cor branco, Ensino Fundamental, Ensino Médio, Ensino Superior e Pós Graduação. Com respeito às características locais, a existência de fronteiras apresentou impacto significativo apenas para o quantil de 0.05, sendo nesse caso negativo, e 0.95, onde o parâmetro estimado foi positivo. O resultado indica ganho salarial para municípios com essa característica apenas para os indivíduos com maiores salários. A presença de litoral nos municípios apresentou coeficientes positivos para todos os quantis, com a magnitude crescendo para o quantil de A temperatura não apresentou significância para o quantil de 0.05, tendo seu efeito negativo variando de a nos demais quantis. A pluviosidade apresentou efeito positivo em todos os quantis, com maiores valores na mediana e no quantil de 0.25.